ElasticSearch深入解析（九）：Object、Nested、Flattened类型

TracyCoder123

于 2025-05-03 14:28:18 发布

阅读量683

点赞数 8

分类专栏：非关系型数据库文章标签： elasticsearch jenkins 大数据

本文链接：https://blog.youkuaiyun.com/Tracycoder/article/details/147605925

版权

非关系型数据库专栏收录该内容

13 篇文章

订阅专栏

Elasticsearch 作为面向文档的搜索引擎，对嵌套数据的处理有多种方式，不同类型适用于不同的业务场景。

一、Object 类型：默认的嵌套对象处理方式

核心原理

Elasticsearch 中，JSON 文档的嵌套对象（如 {"user": {"name": "张三", "age": 25}}）会被默认映射为 Object 类型。其底层通过 字段扁平化 实现索引：将嵌套对象的字段展开为 父字段.子字段 的形式（如 user.name、user.age），存储为独立的字段。

典型场景

适用于 简单嵌套对象，且不需要对嵌套对象内部字段进行 关联查询 的场景。例如：

{
  "article": {
    "title": "ES 数据类型指南",
    "author": { 
      "name": "李四", 
      "email": "lisi@example.com" 
    }
  }
}

此时 author 是一个简单对象，若只需查询 author.name 或 author.email 的独立值（不关心是否属于同一作者），Object 类型足够。

关键限制

当嵌套对象是数组时（如一个用户有多个地址），Object 类型会 丢失对象内部字段的关联。例如：

{
  "user": "张三",
  "addresses": [
    {"city": "北京", "zip": "100000"},
    {"city": "上海", "zip": "200000"}
  ]
}

Elasticsearch 会将 addresses.city 存储为 ["北京", "上海"]，addresses.zip 存储为 ["100000", "200000"]。若执行查询 city=北京 AND zip=200000，会错误匹配到这条文档（因为字段被扁平化，不关心“北京”和“200000”是否属于同一个地址对象）。

二、Nested 类型：解决嵌套数组的关联查询

核心原理

Nested 类型是 Object 类型的扩展，专门用于处理 嵌套对象数组。它将数组中的每个对象 独立索引为一个“子文档”，保留对象内部字段的关联关系。查询时需使用 nested 查询，确保只匹配同一嵌套对象内的字段。

典型场景

适用于 一对多关联 且需要对嵌套对象内部字段进行 组合查询 的场景。例如：

订单的多个商品（需查询“购买了苹果手机且数量>2的订单”）；
用户的多个地址（需查询“城市为北京且邮编为100000的地址”）。

使用示例

映射定义：

PUT /my_index
{
  "mappings": {
    "properties": {
      "user": {
        "type": "nested",  // 指定为 nested 类型
        "properties": {
          "name": {"type": "keyword"},
          "address": {
            "type": "nested",  // 支持多层嵌套
            "properties": {
              "city": {"type": "keyword"},
              "zip": {"type": "keyword"}
            }
          }
        }
      }
    }
  }
}

查询示例（匹配同一地址内的城市和邮编）：

GET /my_index/_search
{
  "query": {
    "nested": {
      "path": "user.address",  // 指定嵌套路径
      "query": {
        "bool": {
          "must": [
            {"term": {"user.address.city": "北京"}},
            {"term": {"user.address.zip": "100000"}}
          ]
        }
      }
    }
  }
}

注意事项

性能与存储：每个嵌套对象独立索引，会增加索引体积（约为普通 Object 类型的 1.5~3 倍）；
嵌套层级：支持多层嵌套（如 user.address.street），但深度建议不超过 5 层（过深会影响查询性能）；
更新限制：修改嵌套对象的任意字段需重新索引整个父文档（类似关系型数据库的级联更新）。

三、Join 类型：跨文档的父子关联

核心原理

Join 类型允许在 同一索引 中建立父子文档关系（如父文档是“用户”，子文档是“用户的订单”）。通过 _parent 字段关联父子文档，父文档和子文档需存储在 同一分片 上（通过父文档的 _id 哈希到分片）。

典型场景

适用于 跨文档的一对多关联，且父子文档需要 独立更新 的场景。例如：

论坛的“板块（父）- 帖子（子）”；
企业的“部门（父）- 员工（子）”。

使用示例

映射定义：

PUT /my_index
{
  "mappings": {
    "properties": {
      "join_field": { 
        "type": "join",
        "relations": {
          "department": "employee"  // 父类型: "department"，子类型: "employee"
        }
      }
    }
  }
}

创建父文档（部门）：

PUT /my_index/_doc/1
{
  "name": "技术部",
  "join_field": { "name": "department" }  // 标记为父类型
}

创建子文档（员工）：

PUT /my_index/_doc/2?routing=1  // 必须与父文档同分片（routing=父文档ID）
{
  "name": "张三",
  "join_field": { 
    "name": "employee", 
    "parent": "1"  // 关联父文档ID
  }
}

查询示例（查询技术部的所有员工）：

GET /my_index/_search
{
  "query": {
    "has_parent": {
      "parent_type": "department",
      "query": { "term": { "name": "技术部" } }
    }
  }
}

注意事项

性能瓶颈：父子查询需要跨文档关联（类似关系型数据库的 JOIN），性能低于 Nested 类型（Nested 是单文档内的关联）；
分片限制：父文档和子文档必须同分片，若父文档分布不均可能导致分片数据倾斜；
适用场景：仅当父子文档需要 独立更新（如父文档修改不影响子文档）时使用，否则优先选择 Nested 类型。

四、Flattened 类型：动态嵌套对象的轻量化处理

核心原理

Flattened 类型用于将 复杂的嵌套 JSON 对象（如动态结构的元数据）展平为单个字段。所有嵌套的键会被合并为 点分隔的字符串（如 {"a": {"b": "c"}} 会被展平为 a.b: c），并索引为 keyword 类型（支持精确匹配）。

典型场景

适用于 动态或未知结构的嵌套对象，例如：

日志中的 tags 字段（可能包含任意层级的键值对）；
商品的扩展属性（如不同品类的额外信息）。

使用示例

映射定义：

PUT /my_index
{
  "mappings": {
    "properties": {
      "metadata": {
        "type": "flattened"  // 指定为 flattened 类型
      }
    }
  }
}

文档示例：

PUT /my_index/_doc/1
{
  "metadata": {
    "user": {
      "name": "张三",
      "age": 25
    },
    "device": "iPhone 15"
  }
}

此时 metadata 会被展平为 metadata.user.name: "张三"、metadata.user.age: "25"、metadata.device: "iPhone 15" 等字段。

查询示例（精确匹配展平后的路径）：

GET /my_index/_search
{
  "query": {
    "term": { "metadata.user.name": "张三" }  // 直接使用展平后的字段名
  }
}

注意事项

字段限制：展平后的字段数量默认最多 1000 个（可通过 max_flattened_fields 参数调整）；
查询能力：仅支持精确匹配（term）或前缀匹配（prefix），无法进行范围查询（如 age>20）；
适用场景：优先用于 不需要复杂查询 的动态嵌套对象（如日志元数据），避免因动态映射导致字段爆炸。

五、类型对比与选择建议

类型	核心特点	适用场景	性能与限制
Object	扁平化存储，丢失嵌套对象关联	简单嵌套对象，无需关联查询	轻量，无法处理嵌套数组的关联查询
Nested	独立索引嵌套对象，保留关联	一对多嵌套数组，需关联查询	索引体积大，更新成本高
Join	跨文档父子关联	父子需独立更新，跨文档查询	查询性能差，分片限制严格
Flattened	展平动态嵌套对象，简化索引	动态/未知结构的嵌套对象，轻查询	仅支持精确匹配，字段数量受限